【技术实现步骤摘要】
一种基于数字孪生体的工件缺陷样本扩增方法及存储介质
[0001]本专利技术涉及计算机
,尤其涉及一种基于数字孪生体的工件缺陷样本扩增方法及存储介质
。
技术介绍
[0002]工业产品缺陷检测方法中,基于深度学习的缺陷视觉检测方法由于效果好,适用性强,应用日益广泛,然而很多企业由于过去依赖人工质检,缺乏数据积累,在新技术应用时面临检测样本数据不足的问题
。
本文提出一种基于数字孪生体的缺陷样本扩增方法,解决工业上视觉检测算法由于训练样本不足,导致缺陷检测效果欠佳的问题
。
[0003]针对缺陷样本不足的问题,通常采取以下两种解决方案
[0004]1.
对现有缺陷采用图像变换的方式扩增,常用的有基于几何变换的扩增方法,对缺陷图像进行翻转,缩放,裁剪,平移,仿射变换等,主要可以减少位置差异,尺度差异,视角差异等带来的影响;基于像素点操作的扩增,对缺陷图像进行噪声加入,模糊,锐化等图像预处理方法,减少成像异常等特殊情况带来的影响
。
[0005]2.
利用无监督的深度学习方法进行数据扩充,其一般做法是使用图像生成模型生成虚拟数据样本对原始数据样本进行扩充
。
如使用现有缺陷对
GAN
网络进行训练,训练完成后输入随机噪声,即可生成全新的缺陷样本
。
[0006]上述方法在缺陷样本扩增方面取得一定效果,但都存在一定不足
[0007]1.
基于图像变换的扩增方式只能让检测算法更好的 ...
【技术保护点】
【技术特征摘要】
1.
一种基于数字孪生体的工件缺陷样本扩增方法,其特征在于,所述基于数字孪生体的工件缺陷样本扩增方法包括:制作工件数字孪生体,所述产品数字孪生体包括建模
、
材质以及纹理;通过
CA
注意力机制改进
ConSinGAN
网络,使用所述
ConSinGAN
网络对不同实际缺陷进行缺陷扩增预处理,获取若干扩增缺陷样本;通过图像融合将扩增缺陷样本贴合至工件数字孪生体,生成带缺陷的工件数字孪生体;通过引擎搭建工件缺陷成像仿真环境,配置成像参数并导入带缺陷的工件数字孪生体进行模拟,以获取虚拟缺陷样本
。2.
根据权利要求1所述的基于数字孪生体的工件缺陷样本扩增方法,其特征在于,所述采集产品数据并制作工件数字孪生体中,还包括:测量实际工件产品数据,使用三维建模软件构建工件的三维模型;制作与所述工件相同的贴图材质
。3.
根据权利要求1所述的基于数字孪生体的工件缺陷样本扩增方法,其特征在于,在通过
CA
注意力机制改进所述
ConSinGAN
网络时,还使用
SmoothL1
损失以及多尺度结构相似度损失
L
MS
‑
SSIM
对损失函数进行改进,以获得模型损失函数:
L
total
=
L
adv
+
λ1L
rec
+
λ2L
MS
‑
SSIM
,其中
L
adv
是对抗损失,
L
rec
是重构损失,
L
MS
‑
SSIM
是多尺度结构相似度损失,
λ1和
λ2是平衡后两个损失函数的超参数
。4.
根据权利要求3所述的基于数字孪生体的工件缺陷样本扩增方法,其特征在于,所述
SmoothL1
损失的函数公式如下:损失的函数公式如下:
5.
根据权利要求3所述的基于数字孪生体的工件缺陷样本扩增方法,其特征在于,所述多尺度结构相似度损失
L
MS
‑
SSIM
的函数公式如下:
L
MS
‑
SSIM
=1‑
MS
‑
SSIM(G
,
F)
...
【专利技术属性】
技术研发人员:李晋芳,肖立宝,郑泽胜,李博,何明桐,
申请(专利权)人:广州易道智慧信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。